Nous présentons dans cet article une méthode permettant de détecter les modifications dans les réseaux de régulation géniques, modélisant les interactions de régulations entre les gènes. Ces interactions varient d'un type cellulaire à un autre, et ces changements sont fondamentaux pour comprendre les mécanismes en jeux dans les cellules. Nous proposons une méthode de détection qui requière uniquement les données issues de la technique dite du single-cell RNASequencing. Cette restriction permet de rendre la méthode applicable à un grand nombre d'espèces et de types cellulaires. En premier lieu, des modèles d'apprentissage automatiques sont entraînés à prédire l'expression d'un gène cible à partir de l'expression d'autres gènes appelés facteurs de transcriptions. Grâce à une méthode d'IA explicable basée sur les valeurs SHAP nous décrivons l'activité du réseau de régulation génique dans chacune des cellules. En détectant les interactions de régulation différentiellement exprimées dans un type cellulaire, nous faisons des hypothèses sur les modifications de la régulation.